Privasea人脸NFT铸造：Web3创新解读

引言

最近，Privasea 发起的人脸 NFT 铸造项目引发了热潮。这个项目看似简单，用户只需在 IMHUMAN 移动应用上录入自己的人脸数据，并将其铸造成 NFT。然而，这一简单的组合却在项目上线后的短短时间内吸引了超过 20 万次的铸造，足见其受欢迎程度。那么，为什么这个项目如此火爆呢？人脸数据真的可以上链吗？我的个人信息会不会被盗用？Privasea 又是什么来头？让我们深入探讨这个项目及其背后的公司 Privasea，揭开谜底。

从Web2到Web3：人机对抗从未停止

这个项目不仅仅是将人脸数据铸造成 NFT 那么简单。IMHUMAN（我是人类）这个应用名称已经揭示了项目的核心目的：通过人脸识别技术来判断用户是否为真人。为什么我们需要人机识别？根据 Akamai 2024 年第一季度的报告，机器人（Bot）流量占据了互联网总流量的 42.1%，其中恶意流量占比高达 27.5%。这些恶意 Bot 可能会导致中心化服务商的响应延迟甚至宕机，严重影响真实用户的体验。以抢票为例，作弊者通过创建多个虚拟账号并使用自动化程序抢票，普通用户几乎毫无胜算。为了应对这一问题，Web2 场景下引入了实名认证和行为验证码等手段，而 Web3 同样需要人机检测，以防止作弊者通过女巫攻击获取不正当利益。对于高风险操作，如账号登录、提币、交易和转账，人脸识别成为了最佳选择。

Privasea AI Network：隐私计算与AI的探索

Privasea 通过全同态加密（FHE）技术构建了 Privasea AI Network，旨在解决 Web3 中 AI 场景的隐私计算问题。FHE 是一种加密技术，能够在加密数据上进行计算，而无需解密。Privasea 对 FHE 进行了优化，形成了 HESea 库，使其适用于机器学习场景。通过分层结构，Privasea 提供了定制化的解决方案，满足用户的独特需求。其优化封装主要集中在应用层和优化层，相比其他同态库，这些定制计算可以提供超过千倍的加速。

Privasea AI Network的网络架构

Privasea AI Network 由四种角色组成：数据所有者、Privanetix 节点、解密器和结果接受者。数据所有者通过 Privasea API 提交任务和数据，Privanetix 节点执行计算，解密器验证结果，结果接受者接收最终结果。这一架构确保了数据的隐私和计算的完整性。

Privasea AI Network的核心工作流

Privasea AI Network 的工作流程包括用户注册、任务提交、任务分配、加密计算、密钥切换、结果验证、激励机制、结果检索和结果交付。用户通过开放的 API 提交任务和数据，无需了解网络内部的复杂运算。端到端的加密确保了数据的安全性和隐私性。

PoW和PoS双机制

Privasea 推出了 WorkHeart NFT 和 StarFuel NFT，通过 PoW 和 PoS 双重机制管理网络节点和发放奖励。WorkHeart NFT 持有者可以成为 Privanetix 节点，通过 PoW 机制获取代币收益，而 StarFuel NFT 作为节点增益器，通过 PoS 机制提高收益倍率。这种双重机制优化了收益分配结构，平衡了计算资源和经济资源在网络中的重要性。

小结

Privasea AI Network 通过 FHE 构建了一套加密的机器学习体系，通过分布式计算节点执行任务，并通过零知识证明（ZKP）验证结果，利用 PoW 和 PoS 机制奖励或惩罚节点，确保网络的运行。这一设计为各领域的隐私保护 AI 应用铺平了道路。

FHE同态加密：新的密码学圣杯？

Privasea AI Network 的安全性依赖于 FHE，随着 FHE 技术的不断突破，FHE 被视为新的密码学圣杯。相比于零知识证明（ZKP），FHE 更侧重于隐私计算，而 ZKP 则侧重于隐私验证。安全多方计算（SMC）与 FHE 在隐私计算方面有一定的重合度，但侧重点不同。

FHE的局限性

FHE 实现了数据处理权与数据所有权的分离，防止了数据泄露，但牺牲了运算速度。近年来，FHE 的性能提升方案不断涌现，包括算法优化和硬件加速。然而，FHE 在性能上仍与明文计算有较大差距，未来仍需进一步优化和探索混合加密方案的应用。

总结

Privasea 通过其独特的架构和高效的隐私计算技术，为用户提供了安全的数据处理环境，并开启了 Web3 与 AI 深度融合的新篇章。尽管 FHE 在运算速度上有劣势，但 Privasea 与 ZAMA 的合作有望在技术上取得突破，未来在更多领域发挥其潜力，成为隐私计算和 AI 应用的探索者。